冯媛媛，杨玉桃，朱向洪

(南昌大学理学院，江西 南昌 330031)

现代工业产品和设备可靠性分析及剩余寿命预测工作已经贯穿系统设计、生产、使用和维护各个阶段，对于系统正常使用和健康管理具有重要意义。如今工程系统可靠性通常较高，应用传统基于故障数据的方法存在一定的困难；而在系统使用过程中，通常会伴随着一个或者多个性能指标的退化，退化数据的获取相对简单且成本较低，因此基于退化数据的方法研究越来越多。

现有的研究工作大多数考虑一维退化数据。目前常用的方法包括基于退化轨迹、随机过程和非参数模型。王美男等[1]利用粒子滤波方法对设备退化模型的参数进行更新,通过建立与传统方法不同的粒子滤波量测方程,使依赖于更新后的退化模型参数的预测曲线符合已知退化趋势,得到更加准确的寿命预测结果。除了退化轨迹模型外，有学者尝试用非参数模型的方法来预测系统剩余寿命。康守强等[2]提出一种基于无监督深度模型迁移的滚动轴承剩余使用寿命预测方法。该方法首先对滚动轴承数据提取均方根特征，引入时间序列分割算法对振动信号进行状态信息标记，并在神经网络训练得到状态识别模型的基础上，利用状态概率估计法结合状态识别模型建立滚动轴承寿命预测模型。与退化轨迹模型和非参数模型相比，基于随机过程的剩余寿命受到了很多学者的青睐。一个重要的原因就是随机过程模型能够很好地描述退化过程随时间的不确定性。……